Interindividuelle Analyse gefalteter Oberflächen

DSpace Repository


Dateien:

URI: http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-6788
http://hdl.handle.net/10900/48437
Dokumentart: Dissertation
Date: 2001
Language: German
Faculty: 7 Mathematisch-Naturwissenschaftliche Fakultät
Department: Sonstige - Informations- und Kognitionswissenschaften
Advisor: Straßer, Wolfgang (Prof. Dr. Ing.)
Day of Oral Examination: 2001-12-19
DDC Classifikation: 004 - Data processing and computer science
Keywords: Großhirnrinde , Bildsegmentierung
Other Keywords: Kernspintomographie , Tiefenkarte , Bewegungsfeldabschätzung
magnetic resonance imaging , depth map , motion estimation
License: Publishing license including print on demand
Order a printed copy: Print-on-Demand
Show full item record

Inhaltszusammenfassung:

Ein wichtiges Ziel in den Neurowissenschaften besteht darin, einen Zusammenhang herzustellen zwischen der Funktion des Gehirns und der Lokalisation der beteiligten Gehirnregionen, speziell auf der Gehirnoberfläche. Die Gehirnaktivität kann heutzutage sichtbar gemacht werden. Dennoch gelingt eine statistische Auswertung nur, wenn große Patienten- oder Probandenkollektive interindividuell analysiert werden. Die vorliegende Arbeit beschäftigt sich mit der computerbasierten interindividuellen Analyse der menschlichen Gehirnoberfläche. Dieses Problem läßt sich verallgemeinern auf die Klassifizierung von gefalteten Oberflächen derselben Klasse. Zur Gewinnung der Oberflächen aus den neurologischen MR-Daten wurde zunächst Verfahren zur Segmentierung des Großhirns entwickelt. Für die Visualisierung der Cortexoberfläche wurde eine völlig neue Art der Darstellung in Form von Tiefenkarten entwickelt. Dabei werden die Abstände zu einer umschließenden Hülle, die als Bezierfläche um die Oberfläche gelegt wird, berechnet. Diese Darstellung macht die Gehirnoberfläche einer manuellen oder automatischen Klassifizierung zugänglich. Im nächsten Schritt wurde zur Klassifizierung der Strukturen eine modifizierte Methode der hierarchischen Berechnung von Bewegungsfeldern entwickelt, die in einer punktweisen Korrespondenz zwischen verschiedenen Oberflächen resultiert. Dann wurde die Klassifikation prototypisiert. Dazu werden die Oberflächen verschiedener prototypischer Gehirne erfaßt, und aus Linearkombinationen dieser Prototypen unbekannte Gehirnoberflächen angenähert. Damit konnte eine Methode entwickelt werden, mit der es erstmals möglich wird, den Cortex des menschlichen Gehirns vollautomatisch zu erfassen und punktweise Korrespondenzen zwischen Gehirnoberflächen verschiedener Individuen herzustellen. Die Genauigkeit liegt dabei deutlich höher als bei dem auf globalen Transformationen basierenden Talairachatlas, der bislang als Standard gilt.

Abstract:

One important goal in neuroscience is to find a correlation between the function of the brain and the localisation of the involved brain regions, especially on the surface of the brain. Today, the activation of the brain can be visualized. Nevertheless statistical evaluation works only when analyzing large groups of patients or volunteers. This paper is about computer aided, inter-individual analysis of human brain's surface. The problem can be generalized onto the problem of classifying convoluted surfaces of the same class. First, techniques for automatic segmentation of the cerebrum out of neurologic MR data was developed. This was necessary to get the large number of surfaces. A completely new kind of visualization of the cortex` surface through the use of depth maps was developed. These maps show the distance to a surrounding sphere, defined by a bezier area wrapped around the surface. This representation makes the brains surface accessible for manual or automatic classification. In the next step a modified method for hierarchical computing of motion fields was developed. These motion fields result out of a pixel-wise correspondence between the different surfaces, and the computation leaded to the classification of the structures. Finally, this classification has been prototyped. This was done by computing new, previously unknown brain surfaces out of linear combinations of a limited number, randomly chosen protoypes of surfaces. Through these steps a method was developed, gathering the cortex of the human brain automatically for the first time and to compute pixel-wise correspondences between the brain surfaces of different individuals. The resolution using this technique is significantly better than the widely used Talairach grid system, which is based upon global transformations.

This item appears in the following Collection(s)